实例：A、B 和 C）在提高一组学生成绩方面的有效性。每个学生都会随机学习这三种方法，每次课程结束后都会测量他们的成绩。
使用 Friedman 检验，研究人员可以比较每种方法获得的结果，以确定学生表现 白俄罗斯电报数据 是否存在因所采用方法而产生的显著差异。与简单的均值检验不同，弗里德曼检验允许考虑个体差异，因为每个学生都是自己的“控制对象”。
另一个例子：
作为一项医学研究的一部分，正在进行一项测试，比较三种药物对慢性偏头痛患者的有效性。每位患者在不同时间接受三种治疗，每次治疗后记录他们的疼痛强度。再次，弗里德曼检验将确定其中一种药物是否比其他药物更有效，同时考虑到个体间差异。
总之，弗里德曼检验是分析重复或相关数据的有价值的工具，特别是在正态性假设受到质疑时。
何时应用弗里德曼检验？
有两个因素证明使用弗里德曼检验的合理性。
非参数数据：它们不必遵循正态分布。当大多数值接近平均值时，我们称之为正态分布（或钟形曲线）。例如，如果我们测量 1,000 名成年人的身高，我们预计大多数人的身高在 1.70 米左右。在这种情况下，人们宁愿使用方差分析（ANOVA）之类的检验。
配对数据：我们比较给定测试中的两组（因此是一对，但可以更多）参与者。它们会接受相同的评估，例如饮料、顺势疗法颗粒......对相同的主题或物体进行重复测量。
我们从弗里德曼检验中得到的是排名或